自适应低秩稀疏分解在运动目标检测中的应用

摘要：

针对视频处理中运动目标的精确检测这一问题,提出了一种自适应的低秩稀疏分解算法.该算法首先用背景模型与待求解的帧向量构建增广矩阵,然后使用鲁棒的主成分分析(robust principal component analysis,RPCA)对降维后的增广矩阵进行低秩稀疏分解,分离出的低秩部分和稀疏噪声分别对应于视频帧的背景和运动前景,然后使用增量奇异值分解方法用当前得到的背景向量更新背景模型.实验结果表明,该算法能更好地处理光线变化、背景运动等复杂场景,并有效降低算法的延迟和内存的占用.

关键词：运动目标检测、低秩稀疏分解、自适应的鲁棒主成分分析

所属期刊栏目：10

分类号：TP391.4(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61562057;the International Cooperation Project of Gansu Province under Grant No.144WCGA162;the Youth Fund of Lanzhou Jiaotong University under Grant No.2015003;the Innovative Science and Technology Project of Lanzhou under Grant No.2014-RC-7

在线出版日期：2017-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1744-1751